国际机器学习大会（ICML）是一个自1980年以来每年举行的机器学习领域国际学术会议。它是该领域历史最悠久、且与NeurIPS和ICLR并列为机器学习和人工智能研究中影响力和声誉最高的三大主要会议之一。ICML由国际机器学习学会（IMLS）组织，是展示统计学习理论、算法创新和强化学习进展的核心平台。
历史
ICML起源于国际机器学习研讨会，于1980年7月首次在卡内基梅隆大学举行。该研讨会由Jaime Carbonell、Ryszard S. Michalski和Tom M. Mitchell组织，旨在为新兴的机器学习领域创建一个专注的论坛。1993年，该活动转型为以现名命名的正式会议系列，建立在十多年研讨会的基础之上。
自2010年代以来，ICML的会议论文集以开放获取方式发表在《机器学习研究论文集》（PMLR）上，该系列源自《机器学习研究杂志》的研讨会与会议论文集，并于2015年更名为PMLR。这一开放获取的转变使ICML的研究成果得以广泛传播至全球研究社区。
ICML发表了现代人工智能领域的众多奠基性论文。著名作品包括劳伦斯伯克利国家实验室的基于PCA的K均值聚类（ICML 2004）、谷歌的批归一化、谷歌大脑的EfficientNet（ICML 2019）、OpenAI的CLIP（ICML 2021）以及加州大学伯克利分校的Soft Actor-Critic（ICML 2018）。这些贡献对后续深度学习和生成式AI的发展产生了深远影响。
规模与投稿
ICML的规模在过去十年中急剧扩大。投稿量从2015年的1，037篇论文（录用270篇）增长至2025年的12，107篇投稿（录用3，260篇）。录用率平均在21%（2020年）至30%（2024年）之间。2026年，会议创下新纪录，共收到24，371篇投稿论文，比上一年总数翻了一倍多。
录用的论文以海报形式在会场展示。特别突出的贡献由委员会选为口头报告或指定为“亮点论文”。2026年，2.2%的投稿被指定为亮点论文，其中0.7%额外获得口头报告时段。每年由评审团评选出最佳贡献，授予杰出论文奖（原称最佳论文奖）。
范围与定位
ICML的范围涵盖机器学习的全部领域，特别强调理论分析、算法创新和统计学习。与其他两大机器学习会议NeurIPS和ICLR相比，ICML传统上包含更多关于统计学习理论、强化学习、机器人学和优化理论的内容。其年度论文集发表在开放获取的PMLR上。
该会议吸引寻求获取机器学习研究和人才资源的赞助商。谷歌、微软、亚马逊、Meta和苹果等科技公司定期赞助该活动，在其上发布研究成果，并在现场招募研究人员。包括Citadel Securities、Jane Street Capital和D.E. Shaw在内的金融公司也活跃于ICML，反映了机器学习在量化金融中日益增长的重要性。
对人工智能的影响
ICML在推动人工智能研究方面发挥了关键作用。许多现代AI系统核心的技术，包括神经网络和强化学习算法，都在ICML上得到展示和完善。该会议对严谨理论基础的重视为机器学习成为一门成熟的科学学科奠定了基础。
该会议还充当学术界与工业界之间的桥梁。来自Google DeepMind、OpenAI和Anthropic等领先实验室的研究人员定期在ICML上展示最新成果，而来自斯坦福大学、麻省理工学院和加州大学伯克利分校等机构的大学研究团队则贡献基础研究。这种合作加速了理论见解向实际应用的转化。